基于STL-XGBoost-NBEATSx的小時天然氣負(fù)荷預(yù)測

打開文本圖片集

摘要：小時天然氣負(fù)荷預(yù)測受外部特征因素與預(yù)測方法的影響，為提高其預(yù)測精度并解決其他深度學(xué)習(xí)類模型或組合模型可解釋性差、訓(xùn)練時間過長的問題，在引入“小時影響度”這一新特征因素的同時提出一種基于極端梯度提升樹（extreme gradient boosting tress，XGBoost）模型與可解釋性神經(jīng)網(wǎng)絡(luò)模型NBEATSx組合預(yù)測的方法；以 XGBoost模型作為特征篩選器對特征集數(shù)據(jù)進行篩選，再將篩選降維后的數(shù)據(jù)集輸入到NBEATSx中訓(xùn)練，提高NBEATSx的訓(xùn)練速度與預(yù)測精度；將負(fù)荷數(shù)據(jù)與特征數(shù)據(jù)經(jīng)STL（seasonal and trend decomposition using Loess）算法分解為趨勢分量、季節(jié)分量與殘差分量，再分別輸入到XGBoost中進行預(yù)測，減弱原始數(shù)據(jù)中的噪音影響；將優(yōu)化后的NBEATSx與XGBoost模型通過方差倒數(shù)法進行組合，得出STL-XGBoost-NBEATSx組合模型的預(yù)測結(jié)果。（剩余16932字）